Microsoft、光子と電子を使ってデータを処理するアナログ光コンピューターを公開

Microsoftは、トランジスタの代わりに光子と電子を使ってデータを処理する光アナログコンピュータのプロジェクトを発表した。このコンセプトはAnalog Interactive Machine（AIM）と呼ばれ、ムーアの法則を回避することを目指しているという。同社によれば、これは「最先端のシリコン・ソリューションや量子コンピューターでさえも及ばない領域」であるとのことだ。

同社によると、アナログ光コンピューティングは、光と電子の両方のアナログ技術を組み合わせて物理システムを構築するもので、必要な計算を把握する方程式によって支配される。Microsoftは、特定の問題を解決するためにどのように使用できるかを説明している：

アナログ光コンピューティングは、このように、必要な計算を把握する方程式によって支配される、光と電子の両方のアナログ技術の組み合わせを使用して物理システムを構築することを含みます。これは、線形演算と非線形演算が支配的な特定のアプリケーションクラスでは非常に効率的です。最適化問題では、最適解を見つけることは、想像を絶するほど広大な干し草の山から針を見つけることに似ています。研究チームは、このような針探し作業を非常に効率的に行う新しいアルゴリズムを開発しました。ベクトルは値を決定する必要のある問題変数を表し、行列は問題そのものを表します。

また同社によれば、この新しいアルゴリズムは、より表現力の高いQUMO抽象化を用いた最適化技術、ハードウェアプラットフォーム、自動化された問題マッピング手順において、新たな時代を切り開く可能性を秘めているという。

同社によると、金融会社のBarclaysは、証券取引所での購入における大量の現金取引の追跡を解決するために、1年間の試験でAIMを使用する予定であるとのことだ：

取引量が多いため、この問題を解決するのは難しのです。ブレーンによれば、これらの取引は通常、受け渡し対支払いと表現されます。単純な例としては、現金の支払いに対する証券の受け渡し、つまりある会社の株式100株を1000ドルで受け渡すようなものです。問題は、すべての取引とすべてのプレーヤーが、規制や利用可能な残高など、さまざまな制約を受けるということです。

この種の取引は驚くほど多い。DTCCは、その子会社が2022年に2.5兆ドル相当の取引を処理しました。(クリアリングハウスはほとんどの大手銀行が利用しているため、この研究は銀行システム全体に利益をもたらす可能性があります。

このトライアルが成功すれば、このような光学式コンピューターの使用は、不正行為の検出など、他の種類の金融業務にも利用できるようになる。Microsoftはまた、この分野への投資と研究を継続することを強調した。

論文

• arXiv: Analog Iterative Machine (AIM): using light to solve quadratic optimization problems with mixed variables

参考文献

• Microsoft: Building a computer that solves practical problems at the speed of light
• Microsoft Research Blog: Unlocking the future of computing: The Analog Iterative Machine’s lightning-fast approach to optimization 
• via NeoWin: Microsoft reveals analog optical computer which uses photons and electrons to process data

研究の要旨

最適化問題の解決は、既存のデジタル・コンピュータや将来の量子ハードウェアにとっても困難な課題である。ヘルスケアから金融最適化まで、多様な問題の実用的な重要性が、過去10年間における専用ハードウェアの出現を後押ししてきた。しかし、2値変数のみの問題をサポートするこれらのハードウェアは、効率的に組み込める実用的な問題の範囲を著しく制限している。我々は、2次制約なし混合最適化（QUMO）問題のより広いクラスをネイティブに実装し、連続変数と2値変数の両方の全対全接続をサポートする光電子ソルバーの最初のインスタンスであるアナログ反復マシン（AIM）を構築する。小規模の合成7ビット問題を超えて、AIMは量子ハードウェアよりも高い精度で、室温で、完全にアナログ領域で金融取引決済問題を解く。コンピュート・イン・メモリー動作と変数の空間分割多重表現により、AIMの設計は、10,000変数の問題を解くのに最新のGPUより単位電力あたり100倍高速なチップスケールアーキテクチャへの道を開く。このような規模でのAIMアルゴリズムのロバスト性は、複数のベンチマークで商用ソルバーと比較することでさらに実証され、いくつかの問題で新たな最適解が報告されています。優れたQUMO抽象化、機械学習にインスパイアされた洗練された勾配降下法、およびコモディティハードウェアを組み合わせることで、AIMは、ポストモアーズ法時代の最適化において、表現力、性能、およびスケーラビリティを一段階変化させた新しいプラットフォームを導入する。